脑电弱信号特征提取新模式研究

论文摘要

脑电信号(EEG)是由脑内亿万神经元活动而引起的头皮表面电压变化,其中蕴涵着丰富的生理、心理及病理信息。因此,脑电信号的采集、分析及处理对脑疾病的诊断、治疗和脑认知科学研究等领域都具有重要的意义。目前国内外文献报道的关于单通道脑电微弱信号特征提取效果不佳,不能有效地反映大脑的非平稳性与混沌状态特征信息,使隐含脑电弱信号特征的相关应用受限。本文从一种全新的分析模式出发,改变以往传统单通道脑电的分析方式,研究并开发了新型脑电弱信号综合分析系统。系统实现了多种功能,包括特殊参数的采集系统,可采集更丰富的深层隐含脑电弱信号。系统含有时域、频域、时频、非线性、谱分析、混沌算子以及其他统计学算法等多种分析方法；可整合多种分析方法构建综合分析模型,能有效提取单路脑电弱信号的特征,增加了脑电信号分析的深度与意义；引入了非同步双通道对比分析,建立了针对不同应用对象的脑电信号特征提取模型,可对不同信号之间或同一信号在不同阶段的特征进行对比。在功能验证实验中,通过对本实验室项目组前期专题研究已经确认特征明显的癫痫、睡眠及抑郁症等脑电信号用多种综合分析及双通道整合分析方案进行了特征提取的功能验证,并对比了不同频带脑电信号之间的特征。从而验证了本文开发的新型脑电整合分析系统能同时有效的获取时域、频域、非线性与混沌特性以及空间等多种状态下的特征,实现了单路脑电特征的识别和多元化参数的并行研究,为临床疾病的诊断和脑科学的研究提供依据。该系统是开放框架,可以继续开发新的弱信号特征提取方法,整合构建更多的针对不同应用对象的个性化分析模型,也可以在采集系统中融合多种信号处理方法实现对脑电信号的实时分析和动态监测,在疾病的诊断和监测,脑科学、脑认知等领域具有广阔的应用前景。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 脑电信号研究现状
• 1.3 本文的研究路线及方法
• 1.4 文章组织结构
• 第二章 脑电信号及其采集方法
• 2.1 脑电信号
• 2.1.1 脑电信号特点
• 2.1.2 脑电信号的节律分类
• 2.2 几种典型疾病的脑电信号
• 2.2.1 癫痫脑电信号
• 2.2.2 抑郁症脑电信号
• 2.3 脑电信号采集方法
• 第三章 系统构架设计及功能实现
• 3.1 信号采集
• 3.2 信号存储
• 3.3 信号回放
• 3.4 信号预处理
• 3.5 信号测量
• 3.6 信号分析
• 3.7 系统实施
• 3.7.1 采集系统
• 3.7.2 基本分析系统
• 3.7.3 综合分析系统
• 3.7.4 双通道对比分析系统
• 第四章 信号处理函数举例
• 4.1 常规分析函数
• 4.2 预处理分析函数
• 4.3 时域分析函数
• 4.4 频域分析函数
• 4.5 时频分析函数
• 4.5.1 短时傅里叶变换
• 4.5.2 Wigner-Ville分布
• 4.6 谱分析函数
• 4.6.1 互功率谱
• 4.6.2 双谱分析
• 4.7 非线性分析函数
• 4.7.1 小波变换
• 4.7.2 多分辨率分析
• 4.7.3 小波包分析
• 4.7.4 小波去噪
• 4.8 非线性统计学分析函数
• 4.8.1 近似熵
• 4.8.2 复杂度
• 4.8.3 功率谱熵
• 0复杂度'>4.8.4 C₀复杂度
• 第五章 功能验证及实验实例
• 5.1 实验信号来源
• 5.2 癫痫脑电特征提取功能验证
• 5.3 非线性特征提取功能分析
• 5.4 小波域癫痫发作与正常脑电特征对比分析
• 5.5 抑郁症与正常脑电特征对比分析
• 5.6 不同频带睡眠脑电特征对比分析
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 工作展望
• 参考文献
• 在学期间的研究成果
• 致谢